AI在线 AI在线

谷歌 DeepMind 展示 GenRM 技术:微调 LLMs 作为奖励模型,提升生成式 AI 推理能力

谷歌 DeepMind 团队于 8 月 27 日在 arxiv 上发表论文,介绍展示了 GenRM 生成式验证器,创造性提出奖励模型,从而提升生成式 AI 推理能力。AI 行业内,目前提高大语言模型(LLMs)的主流做法就是 Best-of-N 模式,即由 LLM 生成的 N 个候选解决方案由验证器进行排序,并选出最佳方案。这种基于 LLM 的验证器通常被训练成判别分类器来为解决方案打分,但它们无法利用预训练 LLMs 的文本生成能力。DeepMind 团队为了克服这个局限性,尝试使用下一个 token 预测目标来

谷歌 DeepMind 团队于 8 月 27 日在 arxiv 上发表论文,介绍展示了 GenRM 生成式验证器,创造性提出奖励模型,从而提升生成式 AI 推理能力。

AI 行业内,目前提高大语言模型(LLMs)的主流做法就是 Best-of-N 模式,即由 LLM 生成的 N 个候选解决方案由验证器进行排序,并选出最佳方案。

这种基于 LLM 的验证器通常被训练成判别分类器来为解决方案打分,但它们无法利用预训练 LLMs 的文本生成能力。

DeepMind 团队为了克服这个局限性,尝试使用下一个 token 预测目标来训练验证器,同时进行验证和解决方案生成。

谷歌 DeepMind 展示 GenRM 技术:微调 LLMs 作为奖励模型,提升生成式 AI 推理能力

DeepMind 团队这种生成式验证器(GenRM),相比较传统验证器,主要包含以下优点:

无缝集成指令调整

支持思维链推理

通过多数投票利用额外的推理时间计算

在算法和小学数学推理任务中使用基于 Gemma 的验证器时,GenRM 的性能优于判别式验证器和 LLM-as-a-Judge 验证器,在使用 Best-of-N 解决问题的百分比上提高了 16-64%

谷歌 DeepMind 展示 GenRM 技术:微调 LLMs 作为奖励模型,提升生成式 AI 推理能力

谷歌 DeepMind 展示 GenRM 技术:微调 LLMs 作为奖励模型,提升生成式 AI 推理能力

据 Google DeepMind 报道,GenRM 相对于分类奖励模型的边标志着人工智能奖励系统的关键演化,特别是在其容量方面,以防止新模型学成到的欺诈行为。这一进步突出表明,迫切需要完善奖励模型,使人工智能输出与社会责任标准保持一致。

AI在线附上参考地址

Google DeepMind Researchers Propose GenRM: Training Verifiers with Next-Token Prediction to Leverage the Text Generation Capabilities of LLMs

Generative Verifiers: Reward Modeling as Next-Token Prediction

相关资讯

AI“攻克”CAPTCHA 网站验证系统

互联网时代,网站如何判断访问者是人类用户还是机器人?其中一个被广泛部署的解决方案,就是 CAPTCHA 验证系统。不过在迈入 AI 时代后,CAPTCHA 验证系统的识别和防御能力被大打折扣。用户在访问某些网站时,可能就会遇到 CAPTCHA 验证系统,要求用户从 9 张图片中,筛选汽车、自行车、桥梁或红绿灯等,来证明是人类访问者。根据苏黎世联邦理工学院(ETH Zurich)的最新研究,AI 现在可以成功击败这些谜题。这款人工智能解谜软件建立在一个被广泛使用的人工智能图片处理模型之上,该模型被称为“You Onl
9/24/2024 10:21:12 AM
故渊

Perplexity携手SheerID:AI搜索引擎免费向全球2.64亿学生开放,剑指教育市场

人工智能搜索引擎Perplexity周一宣布与身份验证公司SheerID达成合作,将向全球超过2.64亿学生提供长达两年的免费Perplexity Pro高级服务。 此举旨在解决人工智能公司在向教育领域提供昂贵工具时面临的折扣欺诈挑战,并凸显了Perplexity在日益激烈的用户竞争中,大力押注教育市场的战略。 高级服务免费开放,精准锁定学生用户根据协议,经过SheerID验证的学生将能免费使用原价每月20美元的Perplexity Pro。
7/16/2025 9:11:20 AM
AI在线

人类验证防线失守?ChatGPT 智能体模拟鼠标操作“通过”验证码

近日,Reddit 用户的一则分享在科技界引起广泛关注:ChatGPT 智能体已能成功绕过 Cloudflare 的“我不是机器人”人机验证系统。 这一事件表明,现有的自动化防御机制可能已不足以应对日益强大的 AI 技术。 据该 Reddit 用户描述,在执行任务过程中,ChatGPT 智能体遭遇了 Cloudflare 的验证挑战。
7/31/2025 12:32:00 PM
AI在线
  • 1